多傳感器信息融合次優(yōu)濾波算法研究.pdf

1、航空航天、軍事防御、機(jī)器人技術(shù)和自動化系統(tǒng)中,通常都含有多種同類或異類傳感器,它們可以提供大量、全面和互補(bǔ)的信息。在分布式融合中,融合中心接收各傳感器的局部估計(jì),并在某一融合準(zhǔn)則下將局部估計(jì)融合為最優(yōu)估計(jì)。為求最優(yōu)加權(quán),需計(jì)算局部估計(jì)誤差互協(xié)方差陣。系統(tǒng)的維數(shù)越高,計(jì)算的復(fù)雜度越大,耗時(shí)越長,不便實(shí)時(shí)應(yīng)用。而且通常情況,估計(jì)誤差間的互相關(guān)性是未知的。最近,協(xié)方差交集算法被提出用來融合沒有任何相關(guān)性知識的估計(jì)量,它比線性組合算法具有更強(qiáng)的

2、魯棒性并且給出估計(jì)精度的邊界。
　　 本文首先詳細(xì)介紹兩變量和多變量的協(xié)方差交集算法,進(jìn)而提出改進(jìn)的分量協(xié)方差交集算法,并推廣到多變量情形。然后,進(jìn)行一致性證明,給出加權(quán)系數(shù)ω的求解方法。最后,將協(xié)方差交集算法和分量協(xié)方差交集算法應(yīng)用到基于經(jīng)典Kalman濾波方法和現(xiàn)代時(shí)間序列分析方法的分布式信息融合狀態(tài)估計(jì)中,提出多傳感器信息融合次優(yōu)穩(wěn)態(tài)Kalman估值器和基于ARMA新息模型的次優(yōu)穩(wěn)態(tài)估值器,并與三種最優(yōu)加權(quán)信息融合算法進(jìn)行